Google opublikowało 17 sierpnia 2026 r. badanie, z którego wynika, że frontierowe LLM-y kodują 95–98% testowanych faktów, ale nie potrafią bezpośrednio odtworzyć 26–34% z nich w odpowiedziach. Problem nie leży więc w braku danych, tylko w dostępie do już zapisanej informacji. Naukowcy wskazują, że recall staje się trudniejszy, gdy pytanie odwraca typową kolejność podmiot–obiekt, w jakiej fakt został napotkany podczas treningu. W przykładzie „Oasis played their first gig at the Boardwalk club” model gorzej radzi sobie z pytaniem, którego odpowiedzią jest podmiot, a nie obiekt. Co ważne, w pytaniach wielokrotnego wyboru LLM potrafi rozpoznać poprawną odpowiedź, co sugeruje, że informacja jest zakodowana, ale trudna do bezpośredniego wydobycia. Badanie pokazuje też, że parafraza pytania ma niewielki wpływ na recall, natomiast „more thinking” pozwala odzyskać 40–65% wcześniej niedostępnych faktów, choć kosztem większych zasobów obliczeniowych. Dla SEO to sygnał, że sposób formułowania treści i naturalna kolejność encji może mieć znaczenie dla tego, jak modele AI odnajdują i streszczają informacje z webu.
Źródło: Search Engine Journal — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu